枫原万叶
机器视觉工程师
- 公司信息：
- 中智讯武汉科技有限公司
- 工作经验：
- 2年
- 兼职日薪：
- 500元/8小时
- 兼职时间：
- 下班后
- 周六
- 周日
- 可工作日远程
- 所在区域：
- 合肥
- 全区
技术能力
精通图像处理算法及主流框架（PyTorch、TensorFlow），擅长立体超分辨率、图像去噪等任务。主导研发的跨视图注意力融合算法发表于SCI期刊，提出基于掩码的自监督去噪模型获IEEE收录，掌握多模态数据融合、注意力机制优化等前沿技术。
具备机器视觉全流程开发经验，曾参与智慧城市项目中车牌识别系统的优化，熟悉OpenCV、图像增强、目标检测等技术落地。掌握Hadoop生态技术，包括HDFS文件系统管理、YARN资源调度及MapReduce编程，拥有大型分布式集群搭建经验，成功优化过数据存储与计算资源分配方案。
熟悉Spark实时计算框架，能够设计高并发数据处理流程，具备TB级数据治理能力。熟悉AWS/Aliyun云平台部署，掌握Docker容器化技术。
拥有技术文档编写规范经验，主导过项目需求分析、技术方案设计及团队协作，持有PMP项目管理知识体系。
项目经验
1.跨视图立体超分辨率算法研发: 针对双目视觉图像分辨率低、视差信息利用不足的问题，创新性提出跨视图注意力交互融合算法（CV-AIF），设计多尺度特征金字塔结构，通过动态权重分配机制实现左右视图特征互补。基于PyTorch搭建双分支网络，集成Swin Transformer模块增强长程依赖建模，在KITTI和Middlebury数据集上PSNR提升2.1dB，推理速度优化至0.08s/帧（较传统SRGAN提升30%）。2. 自监督图像去噪模型：创新设计：首创“由周边到中心”的掩码自监督训练范式（Around2Center），通过随机遮挡外围像素引导网络学习中心区域噪声分布，在无干净数据条件下实现SOTA去噪性能。
技术融合：结合对比学习与元注意力机制，在DND、SIDD数据集上SSIM达0.92，超越DnCNN等监督模型，为低光照安防监控提供免标注解决方案。3. 智能配送无人机系统开发：全栈实现：主导设计基于ROS的无人机自主导航系统，开发A*与RRT混合路径规划算法，融合激光雷达SLAM实现动态避障，目标定位误差<5cm。
硬件协同：优化STM32飞控与树莓派视觉模块通信协议，延迟降低至15ms，在模拟物流场景中完成98%的包裹精准投递。 4. 智慧停车车牌识别优化：改进YOLOv5车牌检测模型，引入通道剪枝技术压缩参数量45%，部署至海思Hi3516D芯片实现60FPS实时识别。搭建基于Kafka的车辆数据流处理管道，支持千级摄像头并发接入，误检率从4.2%降至1.1%。
案例展示
-
立体超分辨率的跨视图注意力交互融合算法
双目视觉立体超分辨率系统，针对无人机航拍图像分辨率低、视差信息缺失问题，原创提出跨视图注意力融合算法（CV-AIF）。通过构建双分支特征金字塔网络，结合动态权重分配机制，实现左右视图互补特征提取与多尺度融合。技术亮点包括： 集成Swin Transformer模块，增强全局
-
使用掩码的自监督去噪方法
基于自监督学习的低光照图像增强系统，创新提出Around2Center掩码训练范式，解决传统去噪模型依赖成对训练数据的瓶颈。核心技术包括： 设计"由周边到中心"的像素遮挡策略，引导网络学习噪声分布规律 融合对比学习与元注意力机制，在无监督条件下超越监督模型
